黑Ma人工智能快速学习就业班-含金融风控向项目、Python基础到进阶xp
42615文件名称： 黑Ma人工智能快速学习就业班-含金融风控向项目、Python基础到进阶xp_共：12.64GB
文件总数量： 478条
压缩文件数量： 0条
压缩文件比： 0%
疑似加密文件： 0条(需要授权播放的文件)
文件创建时间：
目录：【06阶段六深度学习/第1章Pytorch与深度学习基础Pytorch基础】
6.1.6.4深度学习优化理论61-神经网络基础-adam和小节_ev.mp4
6.1.2.8Pytorch张量操作17-PyTorch使用-张量拼接操作小节_ev.mp4
6.1.3.1Pytorch高阶操作19-PyTorch使用-布尔索引和多维索引操作_ev.mp4
6.1.6.7深度学习优化理论64-神经网络基础-BN层理解_ev.mp4
6.1.2.5Pytorch张量操作15-PyTorch使用-张量类型转换小节_ev.mp4
6.1.1.5Pytorch基础05-PyTorch使用-创建全01张量_ev.mp4
6.1.4.2Pytorch案例实战31-PyTorch使用-手动构建线X回归-假设函数-损失函数-优化方法_ev.mp4
6.1.1.4Pytorch基础04-PyTorch使用-创建线X和随机张量_ev.mp4
6.1.7.6BP神经网络案例70-神经网络基础-价格分类-网络模型调优_ev.mp4
6.1.1.9Pytorch基础09-PyTorch使用-张量阿达玛积运算_ev.mp4
6.1.5.10深度学习基础理论51-神经网络基础-网络参数初始化_ev.mp4
6.1.5.12深度学习基础理论53-神经网络基础-正向传播和链式法则_ev.mp4
6.1.2.4Pytorch张量操作15-PyTorch使用-标量张量和数字的转换_ev.mp4
6.1.7.2BP神经网络案例66-神经网络基础-价格分类-构建数据集_ev.mp4
6.1.3.12Pytorch高阶操作29-PyTorch使用-自动微分模块小节_ev.mp4
6.1.5.9深度学习基础理论50-神经网络基础-激活函数小节_ev.mp4
6.1.5.5深度学习基础理论46-神经网络基础-simoid激活函数_ev.mp4
6.1.2.3Pytorch张量操作14-PyTorch使用-numpy数组转换为张量_ev.mp4
6.1.4.3Pytorch案例实战32-PyTorch使用-手动构建线X回归-训练函数编写思路_ev.mp4
6.1.2.9Pytorch张量操作18-PyTorch使用-简单索引和列表索引操作_ev.mp4
6.1.1.1Pytorch基础01-深度学习课程概述_ev.mp4
6.1.1.3Pytorch基础03-PyTorch使用-张量的基本创建方式_ev.mp4
6.1.5.8深度学习基础理论49-神经网络基础-softmax激活函数_ev.mp4
6.1.5.7深度学习基础理论48-神经网络基础-relu激活函数_ev.mp4
6.1.5.3深度学习基础理论44-神经网络基础-人工神经网络概述_ev.mp4
6.1.4.9Pytorch案例实战38-PyTorch使用-模型定义方法-实现线X回归_ev.mp4
6.1.1.7Pytorch基础07-PyTorch使用-张量的创建小节_ev.mp4
6.1.4.5Pytorch案例实战34-PyTorch使用-手动构建线X回归小节_ev.mp4
6.1.1.10Pytorch基础10-PyTorch使用-张量点积运算_ev.mp4
6.1.3.10Pytorch高阶操作27-PyTorch使用-控制梯度计算_ev.mp4
6.1.5.6深度学习基础理论47-神经网络基础-tanh激活函数_ev.mp4
6.1.2.7Pytorch张量操作16-PyTorch使用-张量的stack拼接_ev.mp4
6.1.1.8Pytorch基础08-PyTorch使用-张量基本运算_ev.mp4
6.1.4.12Pytorch案例实战41-PyTorch使用-总结_ev.mp4
6.1.5.4深度学习基础理论45-神经网络基础-激活函数的作用_ev.mp4
6.1.3.9Pytorch高阶操作26-PyTorch使用-梯度基本计算_ev.mp4
6.1.3.4Pytorch高阶操作21-PyTorch使用-张量形状操作transpose和permute函数使用_ev.mp4
6.1.1.11Pytorch基础11-PyTorch使用-指定张量运算设备_ev.mp4
6.1.4.6Pytorch案例实战35-PyTorch使用-模型定义方法-基本组件的使用_ev.mp4
6.1.4.10Pytorch案例实战39-PyTorch使用-直接序列化模型对象_ev.mp4
6.1.7.4BP神经网络案例68-神经网络基础-价格分类-模型训练过程_ev.mp4
6.1.3.3Pytorch高阶操作21-PyTorch使用-张量形状操作reshape函数使用_ev.mp4
6.1.5.13深度学习基础理论54-神经网络基础-反向传播算法案例讲解_ev.mp4
6.1.4.1Pytorch案例实战30-PyTorch使用-手动构建线X回归-数据集构建_ev.mp4
6.1.2.2Pytorch张量操作13-PyTorch使用-张量转换为numpy数组_ev.mp4
6.1.2.1Pytorch张量操作12-PyTorch使用-张量数值计算小节_ev.mp4
6.1.3.6Pytorch高阶操作23-PyTorch使用-张量形状操作squeeze和unsqueeze函数使用_ev.mp4
6.1.3.5Pytorch高阶操作22-PyTorch使用-张量形状操作view函数使用_ev.mp4
6.1.5.15深度学习基础理论56-神经网络基础-反向传播算法代码演示-2_ev.mp4
6.1.5.16深度学习基础理论57-神经网络基础-指数加权平均_ev.mp4
6.1.2.6Pytorch张量操作16-PyTorch使用-张量的cat拼接_ev.mp4
6.1.4.4Pytorch案例实战33-PyTorch使用-手动构建线X回归-训练函数代码实现_ev.mp4
6.1.4.11Pytorch案例实战40-PyTorch使用-存储模型参数_ev.mp4
6.1.4.8Pytorch案例实战37-PyTorch使用-模型定义方法-数据加载器-2_ev.mp4
6.1.4.7Pytorch案例实战36-PyTorch使用-模型定义方法-数据加载器-1_ev.mp4
6.1.5.11深度学习基础理论52-神经网络基础-梯度下降算法回顾_ev.mp4
6.1.5.2深度学习基础理论43-神经网络基础-深度学习概述_ev.mp4
6.1.3.7Pytorch高阶操作24-PyTorch使用-张量形状操作小节_ev.mp4
6.1.6.1深度学习优化理论58-神经网络基础-momentum优化方法_ev.mp4
6.1.6.2深度学习优化理论59-神经网络基础-adagrad优化方法_ev.mp4
6.1.3.8Pytorch高阶操作25-PyTorch使用-张量运算函数_ev.mp4
6.1.3.2Pytorch高阶操作20-PyTorch使用-张量索引操作小节_ev.mp4
6.1.5.14深度学习基础理论55-神经网络基础-反向传播算法代码演示-1_ev.mp4
6.1.6.6深度学习优化理论63-神经网络基础-dropout对网络参数的影响_ev.mp4
6.1.7.7BP神经网络案例71-神经网络基础-价格分类-小节_ev.mp4
6.1.3.11Pytorch高阶操作28-PyTorch使用-梯度计算注意_ev.mp4
6.1.7.3BP神经网络案例67-神经网络基础-价格分类-网络模型搭建_ev.mp4
6.1.6.3深度学习优化理论60-神经网络基础-rmsprop优化方法_ev.mp4
6.1.7.5BP神经网络案例69-神经网络基础-价格分类-模型评估过程_ev.mp4
6.1.1.6Pytorch基础06-PyTorch使用-张量元素类型转换_ev.mp4
6.1.6.5深度学习优化理论62-神经网络基础-dropout原理_ev.mp4
6.1.5.1深度学习基础理论42-神经网络基础-内容概述_ev.mp4
6.1.1.2Pytorch基础02-PyTorch使用-张量的概念_ev.mp4
目录：【03阶段三数据处理与统计分析/第2章SQL数据处理与数据分析】
3.2.2.4SQL语言基础11-SQL语言之查看数据表信息_ev.mp4
3.2.6.2SQL多表查询26-交叉连接查询_ev.mp4
3.2.5.9SQL聚合24-DQL数据查询语言小结_ev.mp4
3.2.1.5数据库基础05-Linux版本下MySQL连接与使用_ev.mp4
3.2.6.4SQL多表查询28-外连接查询_ev.mp4
3.2.6.6SQL多表查询30-子查询三步走_ev.mp4
3.2.1.1数据库基础01-数据库基础学习目标_ev.mp4
3.2.1.3数据库基础03-MySQL数据库概述与下载_ev.mp4
3.2.4.5SQL条件查询12-SQL五子句之where模糊查询_ev.mp4
3.2.3.7SQL约束07-小结之SQL五种约束_ev.mp4
3.2.3.6SQL约束06-SQL约束之外键约束_ev.mp4
3.2.1.7数据库基础07-DataGrip软件设置_ev.mp4
3.2.3.4SQL约束04-SQL约束之unique唯一约束_ev.mp4
3.2.8.5PyMySQL10-PyMySQL七步走实现数据的修改操作_ev.mp4
3.2.2.1SQL语言基础08-SQL语言_ev.mp4
3.2.8.3PyMySQL08-PyMySQL七步走实现数据的增加操作_ev.mp4
3.2.8.1PyMySQL06-PyMySQL概述与模块安装_ev.mp4
3.2.4.8SQL条件查询15-where条件查询小结_ev.mp4
3.2.4.3SQL条件查询10-SQL五子句之where比较查询_ev.mp4
3.2.3.3SQL约束03-SQL约束之notnull非空约束_ev.mp4
3.2.2.8SQL语言基础15-数据表的清空操作_ev.mp4
3.2.7.1数据库三范式01-数据库设计三范式之第一范式_ev.mp4
3.2.1.6数据库基础06-MySQL管理软件DataGrip的安装与使用_ev.mp4
3.2.3.5SQL约束05-SQL约束之默认值约束_ev.mp4
3.2.4.6SQL条件查询13-SQL五子句之where空值与非空查询_ev.mp4
3.2.2.6SQL语言基础13-字段类型详解_ev.mp4
3.2.8.2PyMySQL07-PyMySQL七步走实现数据的查询操作_ev.mp4
3.2.4.2SQL条件查询09-SQL简单查询演示_ev.mp4
3.2.6.1SQL多表查询25-多表查询数据集准备_ev.mp4
3.2.4.7SQL条件查询14-SQL五子句之where逻辑查询_ev.mp4
3.2.6.5SQL多表查询29-多表查询总结_ev.mp4
3.2.5.7SQL聚合22-groupby与having子句使用小结_ev.mp4
3.2.2.2SQL语言基础09-SQL语言之数据库的增删查操作_ev.mp4
3.2.4.1SQL条件查询08-DQL数据查询语言之数据集准备_ev.mp4
3.2.6.3SQL多表查询27-内连接查询_ev.mp4
3.2.4.4SQL条件查询11-SQL五子句之where范围查询_ev.mp4
3.2.5.3SQL聚合18-groupby分组子句_ev.mp4
3.2.5.4SQL聚合19-groupby执行眼里图_ev.mp4
3.2.5.6SQL聚合21-withrollup回溯统计_ev.mp4
3.2.2.7SQL语言基础14-SQL语言之DML数据增删改操作_ev.mp4
3.2.5.1SQL聚合16-SQL五子句之orderby排序查询_ev.mp4
3.2.5.8SQL聚合23-limit分页查询_ev.mp4
3.2.7.3数据库三范式03-数据库设计三范式之第三范式_ev.mp4
3.2.5.2SQL聚合17-SQL语言之聚合查询操作_ev.mp4
3.2.1.4数据库基础04-MySQL软件的安装（Windows版本）_ev.mp4
3.2.1.2数据库基础02-数据库基本概念_ev.mp4
3.2.7.5数据库三范式05-ER模型与表间关系_ev.mp4
3.2.5.5SQL聚合20-groupby子句与having子句的结合使用_ev.mp4
3.2.2.3SQL语言基础10-SQL语言之数据表的创建_ev.mp4
3.2.2.5SQL语言基础12-SQL语言之数据表的修改与删除操作_ev.mp4
3.2.8.4PyMySQL09-PyMySQL七步走实现数据的删除操作_ev.mp4
3.2.7.2数据库三范式02-数据库设计三范式之第二范式_ev.mp4
3.2.8.6PyMySQL11-PyMySQL小结_ev.mp4
3.2.3.2SQL约束02-知识点补充之自动增长auto_increment_ev.mp4
3.2.3.1SQL约束01-SQL约束之主键约束_ev.mp4
3.2.7.4数据库三范式04-数据库设计三范式小结_ev.mp4
目录：【06阶段六深度学习/第2章深度学习核心模型与实战】
6.2.1.4卷积神经网络基础75-卷积神经网络-多卷积核计算_ev.mp4
6.2.4.4循环神经网络案例93-循环神经网络-案例-网络搭建_ev.mp4
6.2.4.3循环神经网络案例92-循环神经网络-案例-数据类编写_ev.mp4
6.2.1.7卷积神经网络基础78-卷积神经网络-MaxPool2d使用_ev.mp4
6.2.4.7循环神经网络案例96-循环神经网络-案例-小节_ev.mp4
6.2.1.6卷积神经网络基础77-卷积神经网络-池化计算_ev.mp4
6.2.4.5循环神经网络案例94-循环神经网络-案例-训练函数_ev.mp4
6.2.4.2循环神经网络案例91-循环神经网络-案例-构建词典_ev.mp4
6.2.2.5卷积神经网络案例84-卷积神经网络-案例-图像分类-小节_ev.mp4
6.2.2.1卷积神经网络案例80-卷积神经网络-案例-图像分类-CIFAR10数据集_ev.mp4
6.2.3.2循环神经网络基础86-循环神经网络-Embedding使用_ev.mp4
6.2.3.3循环神经网络基础87-循环神经网络-Embeddings小节_ev.mp4
6.2.3.4循环神经网络基础88-循环神经网络-RNN层理解_ev.mp4
6.2.1.3卷积神经网络基础74-卷积神经网络-卷积简单计算_ev.mp4
6.2.1.5卷积神经网络基础76-卷积神经网络-Conv2d使用_ev.mp4
6.2.1.1卷积神经网络基础72-卷积神经网络-卷积神经网络概述_ev.mp4
6.2.2.4卷积神经网络案例83-卷积神经网络-案例-图像分类-编写预测函数_ev.mp4
6.2.1.2卷积神经网络基础73-卷积神经网络-图像基础知识_ev.mp4
6.2.3.1循环神经网络基础85-循环神经网络-RNN概述_ev.mp4
6.2.2.2卷积神经网络案例81-卷积神经网络-案例-图像分类-CNN网络搭建_ev.mp4
6.2.3.5循环神经网络基础89-循环神经网络-RNN层使用_ev.mp4
6.2.2.3卷积神经网络案例82-卷积神经网络-案例-图像分类-编写训练函数_ev.mp4
6.2.4.1循环神经网络案例90-循环神经网络-案例-数据清洗_ev.mp4
6.2.4.6循环神经网络案例95-循环神经网络-案例-预测函数_ev.mp4
目录：【08阶段八美创AI医生项目/第2章AI医生-命名实体识别任务】
8.2.6.3模型训练&部署18.3Bert中文预训练模型-part2_ev.mp4
8.2.2.10BiLSTM+CRF6.4BiLSTM+CRF模型-模型实现-第5步-part2_ev.mp4
8.2.2.7BiLSTM+CRF6.4BiLSTM+CRF模型-模型实现-第4步-part1_ev.mp4
8.2.1.7BiLSTM6.2BiLSTM介绍-第3步_ev.mp4
8.2.5.2主要逻辑服务7.2werobot服务构建-part1_ev.mp4
8.2.7.10模型训练&部署29.1系统联调与测试-1开启服务-part2_ev.mp4
8.2.6.7模型训练&部署18.5模型训练-第1步-part2_ev.mp4
8.2.3.8在线部分-模型训练6.5模型训练-第4步-part3_ev.mp4
8.2.6.2模型训练&部署18.3Bert中文预训练模型-part1_ev.mp4
8.2.6.1模型训练&部署18.1-2任务介绍与模型选用及训练集数据_ev.mp4
8.2.3.16在线部分-模型训练6.5模型训练-第5步-part7_ev.mp4
8.2.5.1主要逻辑服务7.1在线部分简要分析_ev.mp4
8.2.3.5在线部分-模型训练6.5模型训练-第3步-part2_ev.mp4
8.2.1.4BiLSTM6.2BiLSTM介绍-第1步-part2_ev.mp4
8.2.6.8模型训练&部署18.5模型训练-第2步-part1_ev.mp4
8.2.1.8BiLSTM6.3CRF介绍_ev.mp4
8.2.2.11BiLSTM+CRF6.4BiLSTM+CRF模型-小节总结_ev.mp4
8.2.3.1在线部分-模型训练6.5模型训练-第1步_ev.mp4
8.2.3.18在线部分-模型训练6.5模型训练-第6步_ev.mp4
8.2.1.6BiLSTM6.2BiLSTM介绍-第2步-part2_ev.mp4
8.2.7.13模型训练&部署29.1系统联调与测试-2测试部分-part2_ev.mp4
8.2.4.1在线部分-模型使用6.6模型使用-单文本预测-part1_ev.mp4
8.2.3.2在线部分-模型训练6.5模型训练-第2步-part1_ev.mp4
8.2.2.4BiLSTM+CRF6.4BiLSTM+CRF模型-模型实现-第2步-part2_ev.mp4
8.2.7.6模型训练&部署28.6模型部署-第1步-part1_ev.mp4
8.2.1.3BiLSTM6.2BiLSTM介绍-第1步-part1_ev.mp4
8.2.7.3模型训练&部署28.5模型训练-第5步-part1_ev.mp4
8.2.2.3BiLSTM+CRF6.4BiLSTM+CRF模型-模型实现-第1步-part2_ev.mp4
8.2.2.2BiLSTM+CRF6.4BiLSTM+CRF模型-模型实现-第1步-part1_ev.mp4
8.2.5.10主要逻辑服务7.3主要逻辑服务-第3步-part2_ev.mp4
8.2.2.5BiLSTM+CRF6.4BiLSTM+CRF模型-模型实现-第3步-part1_ev.mp4
8.2.7.11模型训练&部署29.1系统联调与测试-1开启服务-part3_ev.mp4
8.2.5.8主要逻辑服务7.3主要逻辑服务-第2步_ev.mp4
8.2.3.7在线部分-模型训练6.5模型训练-第4步-part2_ev.mp4
8.2.6.11模型训练&部署18.5模型训练-第3步-part2_ev.mp4
8.2.2.6BiLSTM+CRF6.4BiLSTM+CRF模型-模型实现-第3步-part2_ev.mp4
8.2.3.13在线部分-模型训练6.5模型训练-第5步-part4_ev.mp4
8.2.1.9BiLSTM6.4BiLSTM+CRF模型-0网络架构介绍_ev.mp4
8.2.5.7主要逻辑服务7.3主要逻辑服务-第1步-part2_ev.mp4
8.2.3.14在线部分-模型训练6.5模型训练-第5步-part5_ev.mp4
8.2.2.1BiLSTM+CRF6.4BiLSTM+CRF模型-1损失函数介绍_ev.mp4
8.2.3.3在线部分-模型训练6.5模型训练-第2步-part2_ev.mp4
8.2.4.2在线部分-模型使用6.6模型使用-单文本预测-part2_ev.mp4
8.2.3.9在线部分-模型训练6.5模型训练-第4步-part4_ev.mp4
8.2.3.11在线部分-模型训练6.5模型训练-第5步-part2_ev.mp4
8.2.5.3主要逻辑服务7.2werobot服务构建-part2_ev.mp4
8.2.7.9模型训练&部署29.1系统联调与测试-1开启服务-part1_ev.mp4
8.2.4.4在线部分-模型使用6.6模型使用-单文本预测-part4_ev.mp4
8.2.7.2模型训练&部署28.5模型训练-第4步-part2_ev.mp4
8.2.6.6模型训练&部署18.5模型训练-第1步-part1_ev.mp4
8.2.1.2BiLSTM6.2BiLSTM介绍-0_ev.mp4
8.2.2.12BiLSTM+CRF6.4BiLSTM+CRF模型-模型实现-第6步-part1_ev.mp4
8.2.2.8BiLSTM+CRF6.4BiLSTM+CRF模型-模型实现-第4步-part2_ev.mp4
8.2.1.5BiLSTM6.2BiLSTM介绍-第2步-part1_ev.mp4
8.2.7.1模型训练&部署28.5模型训练-第4步-part1_ev.mp4
8.2.5.11主要逻辑服务7.3主要逻辑服务-第4步_ev.mp4
8.2.6.5模型训练&部署18.4微调模型-part2_ev.mp4
8.2.4.5在线部分-模型使用6.6模型使用-批量文本预测-part1_ev.mp4
8.2.7.7模型训练&部署28.6模型部署-第1步-part2_ev.mp4
8.2.5.9主要逻辑服务7.3主要逻辑服务-第3步-part1_ev.mp4
8.2.4.3在线部分-模型使用6.6模型使用-单文本预测-part3_ev.mp4
8.2.7.4模型训练&部署28.5模型训练-第5步-part2_ev.mp4
8.2.3.10在线部分-模型训练6.5模型训练-第5步-part1_ev.mp4
8.2.5.5主要逻辑服务7.3主要逻辑服务-0架构总体介绍_ev.mp4
8.2.3.12在线部分-模型训练6.5模型训练-第5步-part3_ev.mp4
8.2.5.4主要逻辑服务7.2werobot服务构建-part3_ev.mp4
8.2.1.1BiLSTM6.1命名实体识别介绍_ev.mp4
8.2.4.6在线部分-模型使用6.6模型使用-批量文本预测-part2_ev.mp4
8.2.3.17在线部分-模型训练6.5模型训练-第5步-part8_ev.mp4
8.2.6.4模型训练&部署18.4微调模型-part1_ev.mp4
8.2.6.10模型训练&部署18.5模型训练-第3步-part1_ev.mp4
8.2.6.9模型训练&部署18.5模型训练-第2步-part2_ev.mp4
8.2.3.4在线部分-模型训练6.5模型训练-第3步-part1_ev.mp4
8.2.5.6主要逻辑服务7.3主要逻辑服务-第1步-part1_ev.mp4
8.2.2.13BiLSTM+CRF6.4BiLSTM+CRF模型-模型实现-第6步-part2_ev.mp4
8.2.3.15在线部分-模型训练6.5模型训练-第5步-part6_ev.mp4
8.2.3.6在线部分-模型训练6.5模型训练-第4步-part1_ev.mp4
8.2.7.8模型训练&部署28.6模型部署-第2-3步和小结_ev.mp4
8.2.7.5模型训练&部署28.5模型训练-第6步和小节总结_ev.mp4
8.2.5.12主要逻辑服务7.3主要逻辑服务-第5-6步及小结_ev.mp4
8.2.7.12模型训练&部署29.1系统联调与测试-2测试部分-part1_ev.mp4
8.2.2.9BiLSTM+CRF6.4BiLSTM+CRF模型-模型实现-第5步-part1_ev.mp4
8.2.7.14模型训练&部署29.1系统联调与测试-2测试部分-part3_ev.mp4
目录：【03阶段三数据处理与统计分析/第3章Pandas数据处理与统计分析】
3.3.3.8pandas数据结构8Series常用方法_ev.mp4
3.3.6.6数据组合6合并多个数据集2_ev.mp4
3.3.4.7pandasdataframe入门7简单绘图_ev.mp4
3.3.9.1数据分组1数据分组-聚合基础_ev.mp4
3.3.6.5数据组合5合并多个数据集1_ev.mp4
3.3.10.2数据透视表2会员存量增量分析_ev.mp4
3.3.10.1数据透视表1数据透视表简介_ev.mp4
3.3.8.1apply自定义函数1Series的apply方法_ev.mp4
3.3.3.4pandas数据结构4创建Series对象_ev.mp4
3.3.3.11pandas数据结构11DataFrame常用属X和方法_ev.mp4
3.3.3.3pandas数据结构3数据分析与处理流程_ev.mp4
3.3.6.4数据组合4concat其他用法_ev.mp4
3.3.3.5pandas数据结构5创建DataFrame对象_ev.mp4
3.3.10.6数据透视表6会员复购率分析_ev.mp4
3.3.2.3NumPy3NumPy内置函数及运算_ev.mp4
3.3.3.1pandas数据结构1Python数据分析处理简介_ev.mp4
3.3.2.2NumPy2创建ndarray_ev.mp4
3.3.3.10pandas数据结构10Series运算_ev.mp4
3.3.1.4环境搭建4DataSpell使用_ev.mp4
3.3.6.2数据组合2数据组合添加行_ev.mp4
3.3.3.14pandas数据结构14设置行索引_ev.mp4
3.3.11.1datetime数据类型1datetime介绍_ev.mp4
3.3.7.5数据清洗5删除重复值_ev.mp4
3.3.3.12pandas数据结构12DataFrame布尔索引_ev.mp4
3.3.4.6pandasdataframe入门6分组聚合需求23_ev.mp4
3.3.3.15pandas数据结构15修改行索引列名_ev.mp4
3.3.8.2apply自定义函数2DataFrame的apply方法_ev.mp4
3.3.3.13pandas数据结构13DataFrame的运算_ev.mp4
3.3.9.5数据分组5数据分组-过滤_ev.mp4
3.3.3.7pandas数据结构7Series常用属X_ev.mp4
3.3.6.3数据组合3数据组合添加列_ev.mp4
3.3.8.4apply自定义函数4向量化函数&lambda函数_ev.mp4
3.3.11.2datetime数据类型2datetime类型案例_ev.mp4
3.3.7.1数据清洗1缺失数据简介_ev.mp4
3.3.9.3数据分组3数据分组-转换1_ev.mp4
3.3.6.1数据组合1数据组合介绍_ev.mp4
3.3.3.16pandas数据结构16添加删除插入列_ev.mp4
3.3.4.5pandasdataframe入门5分组聚合需求1_ev.mp4
3.3.1.3环境搭建3启动Jupyter服务_ev.mp4
3.3.7.3数据清洗3删除缺失值_ev.mp4
3.3.3.17pandas数据结构17导出和导入数据_ev.mp4
3.3.4.2pandasdataframe入门2根据列名加载部分列_ev.mp4
3.3.9.4数据分组4数据分组-转换2_ev.mp4
3.3.3.9pandas数据结构9Series布尔索引_ev.mp4
3.3.4.1pandasdataframe入门1加载数据集_ev.mp4
3.3.3.2pandas数据结构2Python数据分析处理常用库_ev.mp4
3.3.5.5pandas分析入门5简单数据分析练习3_ev.mp4
3.3.10.5数据透视表5会员连带率分析_ev.mp4
3.3.1.1环境搭建1开发环境搭建_ev.mp4
3.3.5.3pandas分析入门3简单数据分析练习1_ev.mp4
3.3.5.2pandas分析入门2常用排序方法_ev.mp4
3.3.2.1NumPy1NumPy介绍_ev.mp4
3.3.5.1pandas分析入门1计算常用统计值_ev.mp4
3.3.5.4pandas分析入门4简单数据分析练习2_ev.mp4
3.3.10.3数据透视表3会员增量等级_ev.mp4
3.3.9.6数据分组6DataFrame分组对象_ev.mp4
3.3.4.4pandasdataframe入门4获取指定行列数据_ev.mp4
3.3.7.2数据清洗2加载缺失数据_ev.mp4
3.3.4.3pandasdataframe入门3按行加载部分数据_ev.mp4
3.3.7.4数据清洗4填充缺失值_ev.mp4
3.3.10.4数据透视表4各地区会销比_ev.mp4
3.3.1.2环境搭建2安aconda使用_ev.mp4
3.3.8.3apply自定义函数3apply使用案例_ev.mp4
3.3.9.2数据分组2数据分组-聚合进阶_ev.mp4
3.3.3.6pandas数据结构6上传数据集操作_ev.mp4
目录：【09阶段九蜂窝AI文本摘要项目/第2章AI文本摘要-模型迭代部署及优化】
9.2.5.3数据增强优化11-1讲解-第6章_6.3数据增强优化_1单词替换法_1TF-IDF算法_part3_ev.mp4
9.2.7.3硬件优化与模型部署03-1讲解-第7章_7.1硬件优化与模型部署_2CPU优化_ev.mp4
9.2.5.5数据增强优化13-1讲解-第6章_6.3数据增强优化_1单词替换法_1TF-IDF算法_part5_ev.mp4
9.2.3.3PGN+Coverage的优化模型03-1讲解-第6章_6.1coverage优化_2训练与预测_ev.mp4
9.2.4.2PGN+beam+Search的优化模型05-1讲解-第6章_6.2Beam-search优化_1方法实现_part1_ev.mp4
9.2.4.3PGN+beam+Search的优化模型06-1讲解-第6章_6.2Beam-search优化_1方法实现_part2_ev.mp4
9.2.1.2文本摘要评估方法02-1讲解-第5章_5.1摘要评估方法_1BLEU方法_ev.mp4
9.2.1.1文本摘要评估方法01-1讲解-第5章_5.1摘要评估方法_0常用方法介绍_ev.mp4
9.2.2.2ROUGE评估算法实现05-1讲解-第5章_5.2ROUGE算法实现_part2_ev.mp4
9.2.1.3文本摘要评估方法03-1讲解-第5章_5.1摘要评估方法_2ROUGE方法_ev.mp4
9.2.5.1数据增强优化09-1讲解-第6章_6.3数据增强优化_1单词替换法_1TF-IDF算法_part1_ev.mp4
9.2.6.1训练策略优化20-1讲解-第6章_6.4训练策略优化_1Scheduled-sampling_part1_ev.mp4
9.2.2.1ROUGE评估算法实现04-1讲解-第5章_5.2ROUGE算法实现_part1_ev.mp4
9.2.5.4数据增强优化12-1讲解-第6章_6.3数据增强优化_1单词替换法_1TF-IDF算法_part4_ev.mp4
9.2.7.1硬件优化与模型部署01-1讲解-第7章_7.1硬件优化与模型部署_0模型转移测试_ev.mp4
9.2.5.9数据增强优化17-1讲解-第6章_6.3数据增强优化_2回译数据法_part1_ev.mp4
9.2.4.5PGN+beam+Search的优化模型08-1讲解-第6章_6.2Beam-search优化_1方法实现_part4_ev.mp4
9.2.5.10数据增强优化18-1讲解-第6章_6.3数据增强优化_2回译数据法_part2_ev.mp4
9.2.7.5硬件优化与模型部署05-1讲解-第7章_7.1硬件优化与模型部署_3模型部署_part2_ev.mp4
9.2.3.2PGN+Coverage的优化模型02-1讲解-第6章_6.1coverage优化_1模型类实现_ev.mp4
9.2.5.7数据增强优化15-1讲解-第6章_6.3数据增强优化_1单词替换法_2单词类_part2_ev.mp4
9.2.4.4PGN+beam+Search的优化模型07-1讲解-第6章_6.2Beam-search优化_1方法实现_part3_ev.mp4
9.2.5.2数据增强优化10-1讲解-第6章_6.3数据增强优化_1单词替换法_1TF-IDF算法_part2_ev.mp4
9.2.5.8数据增强优化16-1讲解-第6章_6.3数据增强优化_1单词替换法_3训练与评估_ev.mp4
9.2.6.2训练策略优化21-1讲解-第6章_6.4训练策略优化_1Scheduled-sampling_part2_ev.mp4
9.2.3.1PGN+Coverage的优化模型01-1讲解-第6章_6.1coverage优化_0数学原理_ev.mp4
9.2.5.11数据增强优化19-1讲解-第6章_6.3数据增强优化_3半监督学习法_ev.mp4
9.2.6.3训练策略优化22-1讲解-第6章_6.4训练策略优化_2Weight-tying_ev.mp4
9.2.4.1PGN+beam+Search的优化模型04-1讲解-第6章_6.2Beam-search优化_0基本原理_ev.mp4
9.2.7.4硬件优化与模型部署04-1讲解-第7章_7.1硬件优化与模型部署_3模型部署_part1_ev.mp4
9.2.5.6数据增强优化14-1讲解-第6章_6.3数据增强优化_1单词替换法_2单词类_part1_ev.mp4
9.2.7.2硬件优化与模型部署02-1讲解-第7章_7.1硬件优化与模型部署_1GPU优化_ev.mp4
目录：【09阶段九蜂窝AI文本摘要项目/第1章AI文本摘要-经典模型】
9.1.2.4数据集介绍07-1讲解-第1章_2小节数据集初探_part4_ev.mp4
9.1.5.1Seq2Seq实现baseline-1模型101-1讲解-第3章_3.1模型实现_0架构介绍_ev.mp4
9.1.10.6PGN实现baseline-2模型27-1讲解-第4章_4.3模型实现_2模型训练_第1步_ev.mp4
9.1.5.9Seq2Seq实现baseline-1模型109-1讲解-第3章_3.1模型实现_1工具函数_第5步_part4_ev.mp4
9.1.10.1PGN实现baseline-2模型22-1讲解-第4章_4.3模型实现_1模型创建_第1步_ev.mp4
9.1.1.3项目介绍03-1讲解-第1章_1小节项目介绍_part3_ev.mp4
9.1.3.3TextRank模型理论基础03-1讲解-第2章_1小节TextRank理论基础_part3_ev.mp4
9.1.10.4PGN实现baseline-2模型25-1讲解-第4章_4.3模型实现_1模型创建_第4步_ev.mp4
9.1.5.11Seq2Seq实现baseline-1模型109-3讲解-第3章_3.1模型实现_1工具函数_第5步_part6_ev.mp4
9.1.1.1项目介绍01-1讲解-第1章_1小节项目简介_part1_ev.mp4
9.1.6.7Seq2Seq实现baseline-1模型216-1讲解-第3章_3.1模型实现_3训练模型_part1_ev.mp4
9.1.10.10PGN实现baseline-2模型31-1讲解-第4章_4.3模型实现_3模型预测_part1_ev.mp4
9.1.9.10PGN数据处理13-1讲解-第4章_4.2数据处理_3工具函数_part4_ev.mp4
9.1.6.10Seq2Seq实现baseline-1模型219-1讲解-第3章_3.1模型实现_4预测模型_part1_ev.mp4
9.1.9.16PGN数据处理19-1讲解-第4章_4.2数据处理_4迭代器和类_part2_ev.mp4
9.1.9.18PGN数据处理21-1讲解-第4章_4.2数据处理_4迭代器和类_part4_ev.mp4
9.1.6.6Seq2Seq实现baseline-1模型215-1讲解-第3章_3.1模型实现_2模型类_第3步_part2_ev.mp4
9.1.8.3PGN架构解析03-1讲解-第4章_4.1PGN架构_part3_ev.mp4
9.1.13.1TextRank实现baseline-3模型10-1讲解-第2章_2小节实现模型_第4步_ev.mp4
9.1.9.15PGN数据处理18-1讲解-第4章_4.2数据处理_4迭代器和类_part1_ev.mp4
9.1.7.8baseline-1模型的优化28-1讲解-第3章_3.2词向量优化_2模型优化_part5_ev.mp4
9.1.9.8PGN数据处理11-1讲解-第4章_4.2数据处理_3工具函数_part2_ev.mp4
9.1.9.13PGN数据处理16-1讲解-第4章_4.2数据处理_3工具函数_part7_ev.mp4
9.1.3.1TextRank模型理论基础01-1讲解-第2章_1小节TextRank理论基础_part1_ev.mp4
9.1.8.2PGN架构解析02-1讲解-第4章_4.1PGN架构_part2_ev.mp4
9.1.9.1PGN数据处理04-1讲解-第4章_4.2数据处理_1预处理数据_第1步_ev.mp4
9.1.4.1TextRank实现baseline-0模型07-1讲解-第2章_2小节实现模型_第1步_ev.mp4
9.1.10.5PGN实现baseline-2模型26-1讲解-第4章_4.3模型实现_1模型创建_第5步_ev.mp4
9.1.9.11PGN数据处理14-1讲解-第4章_4.2数据处理_3工具函数_part5_ev.mp4
9.1.9.4PGN数据处理07-1讲解-第4章_4.2数据处理_1预处理数据_第3步_part2_ev.mp4
9.1.6.11Seq2Seq实现baseline-1模型220-1讲解-第3章_3.1模型实现_4预测模型_part2_ev.mp4
9.1.2.1数据集介绍04-1讲解-第1章_2小节数据集初探_part1_ev.mp4
9.1.10.11PGN实现baseline-2模型32-1讲解-第4章_4.3模型实现_3模型预测_part2_ev.mp4
9.1.2.3数据集介绍06-1讲解-第1章_2小节数据集初探_part3_ev.mp4
9.1.2.2数据集介绍05-2讲解-第1章_2小节数据集初探_part2_ev.mp4
9.1.5.4Seq2Seq实现baseline-1模型104-1讲解-第3章_3.1模型实现_1工具函数_第3步_ev.mp4
9.1.10.3PGN实现baseline-2模型24-1讲解-第4章_4.3模型实现_1模型创建_第3步_ev.mp4
9.1.6.9Seq2Seq实现baseline-1模型218-1讲解-第3章_3.1模型实现_3训练模型_part3_ev.mp4
9.1.5.7Seq2Seq实现baseline-1模型107-1讲解-第3章_3.1模型实现_1工具函数_第5步_part2_ev.mp4
9.1.5.5Seq2Seq实现baseline-1模型105-1讲解-第3章_3.1模型实现_1工具函数_第4步_ev.mp4
9.1.9.7PGN数据处理10-1讲解-第4章_4.2数据处理_3工具函数_part1_ev.mp4
9.1.5.2Seq2Seq实现baseline-1模型102-1讲解-第3章_3.1模型实现_1工具函数_第1步_ev.mp4
9.1.5.8Seq2Seq实现baseline-1模型108-1讲解-第3章_3.1模型实现_1工具函数_第5步_part3_ev.mp4
9.1.3.2TextRank模型理论基础02-1讲解-第2章_1小节TextRank理论基础_part2_ev.mp4
9.1.5.10Seq2Seq实现baseline-1模型109-2讲解-第3章_3.1模型实现_1工具函数_第5步_part5_ev.mp4
9.1.3.5TextRank模型理论基础05-1讲解-第2章_1小节TextRank理论基础_part5_ev.mp4
9.1.10.9PGN实现baseline-2模型30-1讲解-第4章_4.3模型实现_2模型训练_第2步_part3_ev.mp4
9.1.9.6PGN数据处理09-1讲解-第4章_4.2数据处理_2PGN特殊X分析_ev.mp4
9.1.9.2PGN数据处理05-1讲解-第4章_4.2数据处理_1预处理数据_第2步_ev.mp4
9.1.10.2PGN实现baseline-2模型23-1讲解-第4章_4.3模型实现_1模型创建_第2步_ev.mp4
9.1.6.2Seq2Seq实现baseline-1模型211-1讲解-第3章_3.1模型实现_2模型类_第2步_part1_ev.mp4
9.1.6.1Seq2Seq实现baseline-1模型210-1讲解-第3章_3.1模型实现_2模型类_第1步_ev.mp4
9.1.5.6Seq2Seq实现baseline-1模型106-1讲解-第3章_3.1模型实现_1工具函数_第5步_part1_ev.mp4
9.1.9.17PGN数据处理20-1讲解-第4章_4.2数据处理_4迭代器和类_part3_ev.mp4
9.1.7.6baseline-1模型的优化26-1讲解-第3章_3.2词向量优化_2模型优化_part3_ev.mp4
9.1.7.3baseline-1模型的优化23-1讲解-第3章_3.2词向量优化_1预训练词向量_part3_ev.mp4
9.1.14.1TextRank实现baseline-4模型11-1讲解-第2章_2小节实现模型_第5步_ev.mp4
9.1.6.4Seq2Seq实现baseline-1模型213-1讲解-第3章_3.1模型实现_2模型类_第2步_part3_ev.mp4
9.1.9.3PGN数据处理06-1讲解-第4章_4.2数据处理_1预处理数据_第3步_part1_ev.mp4
9.1.1.2项目介绍02-1讲解-第1章_1小节项目介绍_part2_ev.mp4
9.1.10.7PGN实现baseline-2模型28-1讲解-第4章_4.3模型实现_2模型训练_第2步_part1_ev.mp4
9.1.6.3Seq2Seq实现baseline-1模型212-1讲解-第3章_3.1模型实现_2模型类_第2步_part2_ev.mp4
9.1.15.1TextRank实现baseline-5模型12-1讲解-第2章_2小节实现模型_第6步_ev.mp4
9.1.3.4TextRank模型理论基础04-1讲解-第2章_1小节TextRank理论基础_part4_ev.mp4
9.1.6.8Seq2Seq实现baseline-1模型217-1讲解-第3章_3.1模型实现_3训练模型_part2_ev.mp4
9.1.7.1baseline-1模型的优化21-1讲解-第3章_3.2词向量优化_1预训练词向量_part1_ev.mp4
9.1.12.1TextRank实现baseline-2模型09-1讲解-第2章_2小节实现模型_第3步_ev.mp4
9.1.7.2baseline-1模型的优化22-1讲解-第3章_3.2词向量优化_1预训练词向量_part2_ev.mp4
9.1.11.1TextRank实现baseline-1模型08-1讲解-第2章_2小节实现模型_第2步_ev.mp4
9.1.7.4baseline-1模型的优化24-1讲解-第3章_3.2词向量优化_2模型优化_part1_ev.mp4
9.1.9.12PGN数据处理15-1讲解-第4章_4.2数据处理_3工具函数_part6_ev.mp4
9.1.6.5Seq2Seq实现baseline-1模型214-1讲解-第3章_3.1模型实现_2模型类_第3步_part1_ev.mp4
9.1.10.8PGN实现baseline-2模型29-1讲解-第4章_4.3模型实现_2模型训练_第2步_part2_ev.mp4
9.1.3.6TextRank模型理论基础06-1讲解-第2章_1小节TextRank理论基础_part6_ev.mp4
9.1.8.1PGN架构解析01-1讲解-第4章_4.1PGN架构_part1_ev.mp4
9.1.9.14PGN数据处理17-1讲解-第4章_4.2数据处理_3工具函数_part8_ev.mp4
9.1.5.3Seq2Seq实现baseline-1模型103-1讲解-第3章_3.1模型实现_1工具函数_第2步_ev.mp4
9.1.7.5baseline-1模型的优化25-1讲解-第3章_3.2词向量优化_2模型优化_part2_ev.mp4
9.1.7.7baseline-1模型的优化27-1讲解-第3章_3.2词向量优化_2模型优化_part4_ev.mp4
9.1.9.5PGN数据处理08-1讲解-第4章_4.2数据处理_1预处理数据_第3步_part3_ev.mp4
9.1.9.9PGN数据处理12-1讲解-第4章_4.2数据处理_3工具函数_part3_ev.mp4
目录：【08阶段八美创AI医生项目/第1章AI医生-命名实体审核任务】
8.1.2.2在线医生的总体架构2.1在线医生的总体架构-part2_ev.mp4
8.1.3.5总体架构中的工具2.2总体架构中的工具介绍-part5_ev.mp4
8.1.5.2离线部分简要分析4.2结构化数据流水线-part1_ev.mp4
8.1.7.2NE模型训练5.5NE模型训练-第2步_ev.mp4
8.1.7.7NE模型训练5.5NE模型训练-第6步_ev.mp4
8.1.6.5BERT中文预训练模型及RNN模型构建5.4构建RNN模型-part3_ev.mp4
8.1.1.1在线医生背景及Unit实现1.1在线医生背景介绍_ev.mp4
8.1.5.5离线部分简要分析5.1任务介绍与模型选用_ev.mp4
8.1.3.4总体架构中的工具2.2总体架构中的工具介绍-part4_ev.mp4
8.1.4.8neo4j简介3.4在Python中使用neo4j-part1_ev.mp4
8.1.3.2总体架构中的工具2.2总体架构中的工具介绍-part2_ev.mp4
8.1.7.8NE模型训练5.6NE模型使用-part1_ev.mp4
8.1.1.2在线医生背景及Unit实现1.2Unit对话API的使用-part1_ev.mp4
8.1.7.4NE模型训练5.5NE模型训练-第4步-part1_ev.mp4
8.1.5.1离线部分简要分析4.1离线部分简要分析_ev.mp4
8.1.4.6neo4j简介3.3Cypher介绍与使用-part4_ev.mp4
8.1.4.1neo4j简介3.1neo4j简介_ev.mp4
8.1.6.1BERT中文预训练模型及RNN模型构建5.3BERT中文预训练模型-part1_ev.mp4
8.1.4.3neo4j简介3.3Cypher介绍与使用-part1_ev.mp4
8.1.2.1在线医生的总体架构2.1在线医生的总体架构-part1_ev.mp4
8.1.4.7neo4j简介3.3Cypher介绍与使用-part5_ev.mp4
8.1.4.5neo4j简介3.3Cypher介绍与使用-part3_ev.mp4
8.1.5.6离线部分简要分析5.2训练数据集_ev.mp4
8.1.7.9NE模型训练5.6NE模型使用-part2_ev.mp4
8.1.4.2neo4j简介3.2neo4j图数据库的安装_ev.mp4
8.1.7.5NE模型训练5.5NE模型训练-第4步-part2_ev.mp4
8.1.5.3离线部分简要分析4.2结构化数据流水线-part2_ev.mp4
8.1.3.1总体架构中的工具2.2总体架构中的工具介绍-part1_ev.mp4
8.1.3.3总体架构中的工具2.2总体架构中的工具介绍-part3_ev.mp4
8.1.1.3在线医生背景及Unit实现1.2Unit对话API的使用-part2_ev.mp4
8.1.7.1NE模型训练5.5NE模型训练-第1步_ev.mp4
8.1.6.3BERT中文预训练模型及RNN模型构建5.4构建RNN模型-part1_ev.mp4
8.1.6.2BERT中文预训练模型及RNN模型构建5.3BERT中文预训练模型-part2_ev.mp4
8.1.4.4neo4j简介3.3Cypher介绍与使用-part2_ev.mp4
8.1.1.4在线医生背景及Unit实现1.2Unit对话API的使用-part3_ev.mp4
8.1.6.4BERT中文预训练模型及RNN模型构建5.4构建RNN模型-part2_ev.mp4
8.1.5.4离线部分简要分析4.3非结构化数据流水线_ev.mp4
8.1.7.3NE模型训练5.5NE模型训练-第3步_ev.mp4
8.1.7.6NE模型训练5.5NE模型训练-第5步_ev.mp4
8.1.1.5在线医生背景及Unit实现1.2Unit对话API的使用-part4_ev.mp4
8.1.4.9neo4j简介3.4在Python中使用neo4j-part2_ev.mp4
目录：【03阶段三数据处理与统计分析/第4章数据处理与统计分析案例-RFM案例】
3.4.5.2会员价值度模型介绍2RFM案例背景介绍_ev.mp4
3.4.4.2Seaborn绘图2Seaborn双变量可视化_ev.mp4
3.4.4.3Seaborn绘图3Seaborn多变量可视化_ev.mp4
3.4.5.1会员价值度模型介绍1会员价值度模型介绍_ev.mp4
3.4.3.1Pandas绘图1Pandas单变量可视化1_ev.mp4
3.4.6.1RFM案例代码实现3RFM案例代码实现1_ev.mp4
3.4.2.1Matplotlib绘图1Matplotlib绘图入门_ev.mp4
3.4.6.3RFM案例代码实现5RFM案例代码实现3_ev.mp4
3.4.4.1Seaborn绘图1Seaborn单变量可视化_ev.mp4
3.4.7.1RFM总结7RFM案例应用&小结_ev.mp4
3.4.1.1Python数据可视化1Python数据可视化_ev.mp4
3.4.3.3Pandas绘图2Pandas双变量可视化_ev.mp4
3.4.3.2Pandas绘图1Pandas单变量可视化2_ev.mp4
3.4.2.2Matplotlib绘图2Matplotlib绘图案例_ev.mp4
3.4.2.3Matplotlib绘图3Matplotlib绘制统计图_ev.mp4
3.4.6.2RFM案例代码实现4RFM案例代码实现2_ev.mp4
3.4.6.4RFM案例代码实现6RFM案例代码实现4_ev.mp4
页:
[1]